在現(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域，Non-Line-of-Sight（NLOS）成像方法顯示出不錯(cuò)的實(shí)驗(yàn)結(jié)果,，但仍存在一些短板。比如圖像形成和反演模型的速度較慢,；受到可成像的隱藏表面類型的限制,；NLOS算法不支持非平面采樣面和非共焦掃描。在此基礎(chǔ)上,，提出了一種基于波的NLOS成像模型,，采用頻域法f-k偏移來求解NLOS反演問題。與現(xiàn)有的NLOS算法不同的是,，f-k偏移算法不僅速度快,，而且內(nèi)存效率高，它對鏡面和其他復(fù)雜的反射率特性具有很強(qiáng)的魯棒性,，且易于實(shí)現(xiàn),。
擴(kuò)展閱讀：非視距（NLOS）是當(dāng)無線電發(fā)射器和接收器不在直接視覺視線中時(shí)經(jīng)常使用的術(shù)語，并且這通過在信號傳播中使用多個(gè)路徑來處理,。通過使用天線和其他這樣的通信設(shè)備可以克服非視線?，F(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)最大的問題是有效地減少NLOS，這是通過在各個(gè)點(diǎn)使用繼電器在無線網(wǎng)絡(luò)上完成的,，以便信號在障礙物周圍傳輸而不會丟失數(shù)據(jù)或傳輸質(zhì)量,。多路徑信號傳播也被廣泛使用。
斯坦福大學(xué)電氣工程助理教授戈登韋茨坦說,，“人們都在談?wù)摯蛟煲豢顢z像頭,，希望這類設(shè)備能夠具備像人類一樣的視覺能力,，然后將該類攝像頭應(yīng)用到自動駕駛汽車和機(jī)器人中。然而,，我們想要打造的攝像頭系統(tǒng),，從功能性上講，要遠(yuǎn)超前者,。我們想要攝像頭呈現(xiàn)3D視覺影像,，且能兼顧環(huán)境場景的各個(gè)角落，采用可見光光譜（visible light spectrum）成像,?！?/p>
對于研究而言，確保這類系統(tǒng)的實(shí)用性顯然是重中之重,。以前的攝像頭系統(tǒng)極其依賴均勻且足夠強(qiáng)的環(huán)境光線,。然而，諸如閃閃發(fā)光一閃而過的車輛等真實(shí)世界場景中的目標(biāo)物卻不屬于上述范疇,。而全新的攝像機(jī)系統(tǒng)能夠以高能激光掃描周邊環(huán)境,，物體反射到周圍墻壁上的單個(gè)光粒子能被攝像機(jī)的先進(jìn)傳感器捕獲并通過處理算法重建環(huán)境。
該研究團(tuán)隊(duì)所用技術(shù)的先進(jìn)之處在于：其激光器的功能性要比一年前的同類產(chǎn)品強(qiáng)上萬倍,。該激光器可掃描場景中物體對立面的墻壁及反射到墻壁上的光,。激光將反射到墻壁上，然后再反射回?cái)z像頭傳感器,。盡管當(dāng)激光反射回到傳感器時(shí)仍處于粒子狀態(tài),，但傳感器依舊能捕獲所有的激光粒子，利用高效的算法來破解光回聲（echoes of light）背后隱藏的畫面,。
該系統(tǒng)的掃描速率為4幀/秒,，能夠以60幀/秒的速度重構(gòu)場景，但需要用到計(jì)算機(jī)和一款圖像處理軟件,，后者可增強(qiáng)圖像處理能力,。能看到從角落等視野盲區(qū)處反射回來的不可見光的實(shí)時(shí)運(yùn)動，這對于汽車來說是一個(gè)令人激動的消息,，但是針對自動駕駛汽車或機(jī)器人的應(yīng)用系統(tǒng)還需要進(jìn)一步的改進(jìn)。該研究團(tuán)隊(duì)將會在自動研究汽車上測試新的攝像機(jī)系統(tǒng),，除了進(jìn)行速度和分辨率等改進(jìn)之外,，研究團(tuán)隊(duì)還將使系統(tǒng)變得更加通用，以應(yīng)對更具挑戰(zhàn)性的視覺環(huán)境,，例如霧霾,、雨雪及沙塵暴等天氣。
斯坦福大學(xué)（StanfordUniversity）電氣工程專業(yè)的研究生大衛(wèi)林德爾（David Lindell）親自實(shí)驗(yàn),。他穿上了一件高能見度運(yùn)動服,，開始在一間空房間里行走,、做各種動作。通過該團(tuán)隊(duì)研發(fā)的系統(tǒng)模型,，他的同事可以清楚的觀察到他的舉動,。這其中的道理是：因?yàn)槿庋垭[藏著，他被高功率激光掃描,，他反射到他周圍墻壁上的單個(gè)光粒子被攝像機(jī)的先進(jìn)傳感器和處理算法捕獲并重建,。
此方法入選了ACM Trans.，參加了7月28日-8月1日舉辦的SIGGRAPH 2019,，并于今日（8月1日）進(jìn)行公開演示（查看會議詳情請?jiān)L問：https://s2019.siggraph.org/）,。該項(xiàng)目還獲得斯坦福大學(xué)研究生獎學(xué)金，國家科學(xué)基金會,，特曼學(xué)院獎學(xué)金,，斯隆獎學(xué)金，由阿卜杜拉國王科技大學(xué),、斯坦福大學(xué)汽車研究中心出資贊助,。
作者David Lindell自己評價(jià)這個(gè)系統(tǒng)模型稱，“你看著激光掃描時(shí),，你看不到任何東西,。但有了這個(gè)硬件，我們基本上可以‘減慢’時(shí)間并顯示這些光跡,，它看起來幾乎就像是魔術(shù),。同時(shí)也希望超人視覺系統(tǒng)可以幫助自動駕駛汽車和機(jī)器人比人工引導(dǎo)更安全地運(yùn)行”。
【Github】：
https://github.com/computational-imaging/nlos-fk
【數(shù)據(jù)集】：
https://drive.google.com/file/d/1_av9TdJ-J22qAUNs1ueZ8ETuRRW2KHg_/view
【論文下載】：
https://drive.google.com/file/d/1IizX1BXRICwBEJdGNu_bFaZ6oq4E92hQ/view
【補(bǔ)充材料下載】：
https://drive.google.com/file/d/1d_aY09rBeZRpup9-XxPkILbND4QESO7l/view
【更多詳細(xì)信息】：
http://www.computationalimaging.org/publications/nlos-fk/